从单张图片或一句文本提示生成大范围可漫游的 3D 场景，先产出高质量全景视频再重建三维空间，适合做可探索虚拟场景。
带空间标注的大规模视频数据集，为视频生成、3D/4D 重建和空间推理模型提供训练与评测数据。
用 AI 深度估计把普通 2D 视频转成 3D，支持多种输出格式，适合做立体视频和 3D 渲染。
仅用一段 MP4 监控录像和对应的谷歌地图位置，就能重建出数字孪生风格的三维交通场景，把画面里的车辆投影到真实地理坐标上。
汇总视频深度估计与立体视频转换模型的排行榜，方便按指标对比 Depth Anything、DepthCrafter、StereoCrafter 等方案的优劣。
面向图像、视频、音频和 3D 数据的开源标注平台，支持 AI 辅助标注、质量校验、团队协作和开发者 API，适合构建计算机视觉数据集。
一套开箱即用的 2D/3D 人脸分析算法库，集成 ArcFace、RetinaFace 等模型，覆盖人脸检测、对齐、识别和年龄估计，支持 PyTorch、MXNet 等多后端。
一个面向 NeRF 与高斯泼溅的协作式训练与可视化工作室，把多视角照片转成三维场景，简化了从数据到渲染的完整流程。
基于 Web 的 3D Gaussian Splatting 编辑器，可在浏览器里直接查看、裁剪和编辑 3DGS 重建场景，省去本地装软件和格式转换的麻烦。
把 Claude Code 变成游戏 Mod 开发助手，提供侦察、逆向工程、fal 生成美术/3D/音频、游戏内测试和演示视频等技能与 MCP 工具，几乎能改任何 PC 游戏。
实时交互式数字人直播方案，基于 ER-NeRF、MuseTalk 等模型实现音频驱动口型同步与说话头生成，可用于虚拟主播和实时对话场景。
基于节点图的扩散模型图形界面与后端，支持本地快速推理和 API 调用，方便搭建和调试图像生成工作流。
通用 AIGC 视频引擎，把剧本到成片串成一条流水线，覆盖漫剧、广告、电商和乙游等场景，省去多工具拼接的麻烦。
用 Stable Diffusion 做音频驱动唇形同步，让视频或虚拟人像的口型与语音对齐，适合做数字人和视频配音。
跨平台桌面标注工具，支持文本、图像、视频、点云和多模态数据，内置 AI 模型辅助预标注，可导出多种格式。
一键把视频和图片转成 3D Gaussian Splatting 模型的本地桌面应用，不用命令行和云端，适合快速做三维重建。
用 Transformer 从单目视频里重建并跟踪三维人体，输出带 SMPL 参数的动作序列，适合做人体建模和动作分析。
仅凭视频输入就能做流式三维重建，重点解决长时序场景下局部上下文丢失的问题，适合在线建图与SLAM类应用。
基于 MASt3R 三维重建先验的实时稠密 SLAM 系统，能在单目视频流中同步完成相机位姿估计与稠密三维重建，适合机器人和 AR 场景。
浏览器里就能用的开源预演（previs）工具，可快速搭建场景、摆角色姿势、编排镜头与剪辑，再把同一套镜头交给 AI 视频模型生成。
跨厂商 3D 高斯泼溅训练器，能把视频转成 splat 再生成网格，支持 Vulkan 或 CUDA 后端，并带量化训练加速。
为 ComfyUI 提供工作流一键转 APP、屏幕共享与悬浮视频、GPT 与 3D 节点、语音识别和 TTS 等扩展节点，方便把生成流程直接做成可交互应用。
Objectron 是面向 3D 物体检测的数据集，包含约 1.5 万段以物体为中心的短视频和 400 万张标注图像，每帧都带 3D 包围盒和 AR 相机位姿，可用于训练从多视角估计物体位置、朝向和尺寸的模型。
面向随手拍摄的长视频，无需相机位姿即可稳健重建 3D 高斯泼溅场景，解决长序列位姿漂移和重建不稳的问题。
统一的世界模型代码库，整合扩散模型、高斯泼溅、3D 场景生成与视频编辑等能力，方便研究和复现各类世界模型。
用轨迹场把任意视频表示为 4D 结构，从普通视频中重建出带时间维度的三维场景，适合做动态场景的 4D 重建研究。
统一模型，从单目视频中同时重建动态人体与三维场景，输出带时间维度的4D结果，可用于人体姿态估计与场景理解。
无需训练即可从视频中恢复人体网格模型，结合 SAM-3、Diffusion-VAS 和 SAM-3D-Body 实现 4D 人体重建，适合快速做视频人体建模。
面向人的深度学习实用工具库，封装了 3D 目标检测、分割、传感器融合和视频合成等常用功能，省去重复造轮子。
把 Scenario 的 AI 生图、视频、3D 与 PBR 材质生成直接搬进 Blender 视口，并内置本地 MCP 服务器供智能体调用。
用 VQAScore 给文生图、文生视频和文生 3D 模型打分的评测工具，基于视觉语言模型判断生成内容与文本提示是否匹配。
从单目视频里同时重建关节手和物体的三维姿态与形状，无需预扫描物体模板或手物交互训练数据，适合做手物交互建模与AR/VR研究。
把视频流转化为整体 3D 空间智能的 ICML 2026 Oral 工作，配套基准用于评测视觉语言模型的空间理解能力。
用稀疏控制点驱动 3D 高斯泼溅，从视频重建可编辑的动态场景，支持对运动轨迹做编辑和操控。
HUGS 用高斯泼溅从单目视频重建可动画的人体三维模型，能同时还原人体和场景，方便做数字人渲染。
把手机拍摄的视频重建为可被 AI 查询的 3D 场景，内置 MCP 工具让 Claude、Cursor 等直接调用，并提供可自托管的 broker 与 VGGT-SLAM 库。
一款完全离线的 Android 文件查看器，无需任何权限就能打开 PDF、Office 文档、压缩包、3D 模型、音视频、Markdown 和代码等各类文件。
面向 UE5 的高性能插件，用于 3D Gaussian Splatting 与动态体积视频的实时可视化、管理和可扩展渲染。